AutoResume - 智能简历优化系统

AutoResume 是一个基于多 Agent 架构的智能简历优化系统，通过 AI 技术帮助求职者分析简历与岗位的匹配度，自动优化简历内容，并提供投递建议。

✨ 核心特性

• 多 Agent 智能协作: 基于 LangGraph 实现 4 个专业 Agent 协同工作
• 多维度匹配分析: 从技能、经验、学历、关键词四个维度评估匹配度
• 智能简历优化: 基于真实经历优化表述，添加量化指标
• 真实性保护: "经历底座"机制确保不虚构内容
• 实时交互: WebSocket 实时推送优化进度和结果
• 岗位自动采集: 支持从实习僧自动采集岗位信息

🏗️ 系统架构

架构图

分层架构说明

┌─────────────────────────────────────────────────────────────┐
│                        前端层 (React)                        │
│  ┌──────────────┐  ┌──────────────┐  ┌──────────────┐      │
│  │   ChatArea   │  │  JobSidebar  │  │   Header     │      │
│  └──────────────┘  └──────────────┘  └──────────────┘      │
└────────────────────────┬────────────────────────────────────┘
                         │ WebSocket / HTTP
┌────────────────────────▼────────────────────────────────────┐
│                      API 层 (FastAPI)                        │
│  ┌──────────────┐  ┌──────────────┐  ┌──────────────┐      │
│  │ RouterAgent  │  │   WebSocket  │  │  REST API    │      │
│  └──────────────┘  └──────────────┘  └──────────────┘      │
└────────────────────────┬────────────────────────────────────┘
                         │
┌────────────────────────▼────────────────────────────────────┐
│                   LangGraph Agent 层                         │
│  ┌──────────────┐  ┌──────────────┐  ┌──────────────┐      │
│  │JDMatchAnalyzer│ │ResumeOptimizer│ │ResumeReviewer│      │
│  │   (JD分析)    │  │  (简历优化)   │  │  (简历审核)   │      │
│  └──────────────┘  └──────────────┘  └──────────────┘      │
│  ┌──────────────┐  ┌──────────────┐                        │
│  │ JobSubmitter │  │ Orchestrator │                        │
│  │  (岗位匹配)   │  │   (编排中心)  │                        │
│  └──────────────┘  └──────────────┘                        │
└────────────────────────┬────────────────────────────────────┘
                         │
┌────────────────────────▼────────────────────────────────────┐
│                      服务层                                  │
│  ┌──────────────┐  ┌──────────────┐  ┌──────────────┐      │
│  │  GLM Service │  │   Scraper    │  │File Storage  │      │
│  │  (智谱AI)    │  │  (Playwright)│  │  (本地存储)   │      │
│  └──────────────┘  └──────────────┘  └──────────────┘      │
└─────────────────────────────────────────────────────────────┘

📸 产品预览

智能对话界面

用户可以通过自然语言与系统交互，描述求职意向，系统会自动搜索匹配的岗位。

JD匹配分析报告

系统会从技能、经验、学历、关键词四个维度分析简历与岗位的匹配度，生成详细的分析报告和优化建议。

简历优化报告

基于分析结果，系统自动优化简历内容，添加量化指标，提升专业表述。

简历审核报告

多维度审核优化后的简历，确保内容合理性、合规性和真实性。

岗位匹配与推荐

计算简历与所有岗位的匹配度，按匹配度排序并给出投递建议。

🚀 快速开始

环境要求

• Python 3.10+
• Node.js 18+
• Anaconda (推荐)

1. 克隆项目

git clone <repository-url>
cd AutoResume

2. 配置环境变量

cp backend/.env.example backend/.env
# 编辑 backend/.env，设置 GLM-APIKEY

3. 启动后端

# 进入后端目录
cd backend

# 安装依赖
pip install -r requirements.txt

# 安装 Playwright 浏览器
playwright install chromium

# 启动服务
python -m backend.api.main

后端服务启动后：

• API 地址: http://localhost:8000
• API 文档: http://localhost:8000/docs
• WebSocket: ws://localhost:8000/ws/{session_id}

4. 启动前端

# 进入前端目录
cd frontend

# 安装依赖
npm install

# 启动开发服务器
npm run dev

前端服务启动后：

• 访问地址: http://localhost:3000

📋 核心功能

1. JD 匹配分析 (JDMatchAnalyzer)

• 输入: 用户简历 + 岗位 JD 集合
• 输出: 四维度匹配评分 + 缺失技能 + 优化建议
• 评分维度:
  • 技能匹配 (Skills Match)
  • 经验匹配 (Experience Match)
  • 学历匹配 (Education Match)
  • 关键词匹配 (Keywords Match)

2. 简历优化 (ResumeOptimizer)

• 输入: 原始简历 + 分析建议 + 目标 JD
• 输出: 优化后的简历 + 改进统计
• 优化内容:
  • 关键词优化
  • 量化指标添加
  • 结构重组
  • 专业表述提升

3. 简历审核 (ResumeReviewer)

• 输入: 优化后的简历
• 输出: PASS/REJECT + 多维度评分
• 审核维度:
  • 合理性 (30%): 逻辑性、完整性
  • 合规性 (30%): 敏感信息检查
  • 真实性 (40%): 经历底座校验

4. 岗位匹配 (JobSubmitter)

• 输入: 优化后的简历 + 全部岗位 JD
• 输出: 匹配度排序 + 投递建议
• 匹配维度: 技能、经验、学历、关键词

🛠️ 技术栈

后端

技术	用途
FastAPI	Web 框架
LangGraph	Agent 编排
ZhipuAI	LLM 服务 (GLM-4.7)
Playwright	网页采集
WeasyPrint	PDF 生成
PyYAML	提示词管理

前端

技术	用途
React 18	UI 框架
TypeScript	类型安全
Tailwind CSS	样式
Vite	构建工具
WebSocket	实时通信

📁 项目结构

AutoResume/
├── backend/                  # Python 后端
│   ├── agents/              # LangGraph Agent 实现
│   │   ├── langgraph_nodes.py      # Agent 节点
│   │   ├── langgraph_workflow.py   # 工作流定义
│   │   └── langgraph_state.py      # 状态定义
│   ├── api/                 # API 接口
│   │   ├── main.py          # FastAPI 主应用
│   │   ├── websocket.py     # WebSocket 处理
│   │   ├── router_agent.py  # 路由 Agent
│   │   └── optimization_orchestrator.py  # 编排器
│   ├── prompts/             # LangGPT 提示词
│   │   ├── jd_analyzer_prompt.yaml
│   │   ├── resume_optimizer_prompt.yaml
│   │   ├── resume_reviewer_prompt.yaml
│   │   └── job_submitter_prompt.yaml
│   ├── scraper/             # 岗位采集
│   │   ├── scraper.py
│   │   ├── playwright_scraper.py
│   │   └── url_builder.py
│   ├── utils/               # 工具模块
│   │   ├── llm_service.py   # GLM 服务
│   │   └── file_storage.py  # 文件存储
│   ├── storage/             # 数据存储
│   │   ├── original/        # 原始简历
│   │   ├── snapshots/       # 中间快照
│   │   └── final/           # 最终 PDF
│   └── test/                # 测试用例
├── frontend/                # React 前端
│   ├── src/
│   │   ├── components/      # UI 组件
│   │   ├── contexts/        # React Context
│   │   ├── services/        # 服务层
│   │   └── types/           # TypeScript 类型
│   └── package.json
├── interfaces/              # 接口文档
└── README.md

🔌 API 接口

WebSocket 接口

路径	说明
/ws/{session_id}	实时对话和状态同步

REST API

方法	路径	说明
GET	/api/v1/health	健康检查
POST	/api/v1/sessions	创建会话
POST	/api/v1/sessions/{id}/message	发送消息
POST	/api/v1/sessions/{id}/select-job	选择岗位
POST	/api/v1/sessions/{id}/upload-resume	上传简历
POST	/api/v1/jobs/search	搜索岗位

🧪 测试

# 运行后端测试
cd backend
pytest

# 运行特定测试
pytest test/test_router_agent.py -v
pytest test/test_websocket.py -v

📝 配置说明

环境变量

创建 backend/.env 文件：

# GLM API 配置
GLM-APIKEY=your_glm_api_key_here

# 可选：自定义模型
GLM_MODEL=GLM-4.7-Flash

提示词配置

提示词位于 backend/prompts/ 目录，使用 YAML 格式，遵循 LangGPT 结构：

role:
  name: AgentName
  description: Agent 描述

skills:
  - 技能1
  - 技能2

rules:
  - 规则1
  - 规则2

workflow:
  - name: 步骤1
    description: 步骤描述

🤝 贡献指南

1. Fork 本仓库
2. 创建特性分支 (git checkout -b feature/AmazingFeature)
3. 提交更改 (git commit -m 'Add some AmazingFeature')
4. 推送到分支 (git push origin feature/AmazingFeature)
5. 打开 Pull Request

📄 许可证

MIT

🙏 致谢

• LangGraph - Agent 编排框架
• FastAPI - Web 框架
• 智谱 AI - 大语言模型服务
• 实习僧 - 岗位数据源

---

Made with ❤️ by Hao